传统的用来进行身份验证的方式有很多种,比如身份证、密码等等,但是它们都有各自的缺陷,安全性和可靠性都有待考虑。随着科学技术的日益发展,一些新的可以用来作为身份验证的技术也得到了大力的发展,这些技术主要是利用人体的生物特征,例如指纹、脸部、虹膜和声音等等,来完成身份的识别。这些技术是通过利用图像处理技术和模式识别技术对提取出来的人体的生物特征来达到对身份的识别,安全性和可靠性也得到了很大的提高。目前生物识别技术已经广泛运用于现实生活中的各种场合,比如银行、公安领域。在传统的人体生物特征的识别中,指纹识别的使用是最广泛的,其技术也是最成熟的。但是指纹识别也有它的一些缺点,比如需要固定的硬件,准确率不够理想,识别的结果很容易受到外界因素的影响。而最新发展而且技术也相对比较成熟的人脸识别技术则有更多的优势,数据的采集和识别都比较方便,而且数据也不容易伪造,用户友好,往往可以在人未察觉到的情况下采集数据,不会对用户造成困扰。所以人脸识别技术渐渐受到更多的重视,具有更大的发展空间和潜力。本文通过对人脸识别技术的研究,利用OpenCV这一开源计算机视觉库,通过Adaboost与Haar-like矩形特征的结合设计了一个Cascade分类器,设计了一个实时人脸检测系统。在人脸识别的过程中,为了解决光照等不确定因素对人脸图像识别的影响,通过对图像一定的处理,包括灰度化、几何归一化等等。然后利用Gabor变换来进行特征提取。同时为了解决Gabor特征维数较大的问题,选取PCA对Gabor特征来进行特征降维;然后设计和编程实现了一个基于Android系统的实时人脸识别系统,并在这个实现的人脸识别系统的基础上进行了扩展,加入了程序锁这个功能,以达到对实现的这个人脸识别系统的实时性以及识别准确率的验证。最后又通过测试来验证在课题研究的过程中选用的算法的确是比较可靠的,能够达到期望。并在论文的最后进行了总结并提出了对未来的展望。